探讨了文学研究中“语境”概念的反思与人工智能领域“上下文”概念的对比。菲尔斯基在《批判的限度》中以“语境糟透了！”为题，批判了新历史主义等文化诗学研究中对语境的过度依赖，认为其将文学作品视为语境的被动产物，忽略了文本的创造性与超越性，使文学研究有沦为历史人类学附庸的风险。与此同时，人工智能领域却高度重视“上下文”，通过上下文工程来优化模型输入信息，以提高语言生成的流畅性和连贯性。文章对比了文学阐释中的语境与LLMs中的上下文，指出二者虽目的不同，但在模式识别上有相似之处。文学批评家通过语境寻找文本意义的根源，而LLMs通过上下文进行概率预测。文章提出，如果上下文工程能让LLMs更好地解析文学作品，那么AI或许能成为文学研究者的共读伙伴，与批评家的具身性、价值取向和元批判能力相结合，为文学研究带来新的可能性，拓宽其边界，催生后人类的文学阐释机制。

何为context？如何“工程”？

首先探讨了“context”一词在文学批评和大语言模型（LLMs）中的含义，指出其源自拉丁语“contexere”，意为“编织在一起”，并从19世纪中叶开始，其含义从文本内部环境扩展到外部现实环境。在当代语言学中，context指话语发生时的非文本条件，而co-text指文本内部的上下文。20世纪30年代，“contextualize”一词出现，成为重要的学术实践和分析方法。语境主义在文学批评中体现为对作品生成的历史背景、文化传统等外部因素的考察，格林布拉特的“文化诗学”强调语境与文学作品的互构关系，而非简单的背景与前景关系。接着，章节转向生成式AI领域，介绍了“上下文工程”的概念，即为大语言模型系统性地优化信息有效载荷的学科，其目标是通过动态构建上下文，让模型输出质量最优。上下文工程与格林布拉特的语境主义及其文化诗学实践呈现出同构性，都把“语境”从被动的背景改造成可被主动编排的装置，强调文本作为网络中的节点，而非封闭的自足对象。

LLMs果真可以进行文学批评吗？

深入探讨了大型语言模型（LLMs）在文学批评领域的应用潜力与争议。一方面，指出尽管LLMs在生成连贯文本方面表现出色，但其是否真正理解文学文本仍存在争议。批评者认为LLMs可能只是模仿人类批评家的观点，缺乏真正的理解力，因为它们主要依赖语言统计，而人类的理解力是跨系统协同的结果。此外，LLMs可能吸收并放大偏见，带来社会风险。然而，支持者反驳说，LLMs可以通过工具调用和外部反馈实现部分符号接地，并且可解释性AI的研究表明，LLMs能够对文本进行深度压缩与建模。另一方面，章节强调了LLMs与当代批评理论的亲缘性，尤其是与（后）结构主义理论的契合。LLMs的去中心化特性与“作者已死”的观点相呼应，为文学批评提供了新的视角。同时，通过比较人类批评家的工作模式和LLMs的能力，发现LLMs在模式识别和文本召回方面具有优势，尽管在象征性思维方面可能稍显不足。尽管LLMs在某些能力上接近人类，但文学批评还涉及个人价值观和政治立场，这是AI难以完全复制的。

“人在回路里”

深入探讨了人工智能（AI）在文学批评领域的应用及其对人类文学研究的影响。尽管AI在文学批评方面存在局限性，但其作为人类研究能力的“假体”，能够显著拓展研究者的感知范围和处理复杂文本的能力。这种观点与“扩展心智”理论相呼应，该理论认为外部工具若能与大脑过程同型且稳定调用，可成为思考的一部分。然而，这种人机结合的赛博格概念引发了人文学者的抗拒，他们担心这会异化阅读生活，导致“非人化”。但埃尔金斯反对这种观点，她认为AI的模式识别和文本推理能力可以解放人文学者，使其专注于更高层次的审美、伦理和价值判断，这些判断基于人类批评家的历史与社会具身体验，是AI无法取代的。

史密斯对“细读”进行了谱系学考察，指出细读几乎定义了文学研究领域本身，是一种技术上有根据的、细密入微的文本分析，类似于“逆向工程”。她强调，细读不仅仅是计算机可模拟的工程，因为读者的个体观察、选择与判断是形成更普遍观察和广泛反思的契机。史密斯对数字人文驱动的细读表示担忧，认为真正的批评性阐释应基于个体读者的见解，主观性不仅不会削弱阐释的价值，反而开启了形成可分享洞见和经验的可能。

维纳在《人有人的用处》中预见了AI时代人与信息机器的不可分离性，强调“智能”应被定义为一种以通信和控制为核心的系统关系。在文学研究中，LLMs（大型语言模型）的引入并非与批评家争夺解释权，而是作为学术实践流程中的通信节点。读者—批评家与模型之间的互动构成了“人在回路里”的循环，这种循环不仅是监督和追责，更是一种阐释学的能动性，通过反馈—学习框架，人和机器共同优化对文本的理解。

在技术层面，LLMs依赖的词语“向量化”是语言进入其世界的关键一步，它将语言从符号串转译为“关系几何”的世界。批评家输入上下文的动作是对高维语义空间的向量干预，改变模型内部状态的条件，从而改变其在预测下一词时的敏感度和关联权重。这种向量化和空间化变革为文学研究带来了本体论和认识论上的深刻变革。

尽管LLMs在文学批评中具有潜力，但其输出往往倾向于平庸，且存在“算法性妄想”的风险，即将统计相关性误认为意义关联。因此，人文学者需要通过上下文工程来打破这种平庸，同时警惕LLMs可能产生的误导性解释。总之，LLMs在文学研究中的应用既带来了新的可能性，也提出了新的挑战，需要人类批评家的积极参与和谨慎引导。

“走向近处”

讨论了2023年至今生成式人工智能对文学研究的巨大冲击，以及“批判式AI研究”这一新交叉领域的形成。它指出文学研究旗舰刊物集中研讨了AI问题，讨论分为“防御性的意识形态批判”和“介入性的诗学构建”两类。前者批判AI作为技术神话或晚期资本主义症候，如数据标注的“幽灵劳动”和物理基础设施的环境影响；后者主张将LLMs作为方法，让学者实践并创造性地使用。作者对AI冲击下人文学科的前景不确定，但认同人文学者应“置身于事物本身的近处”，培养“参与性的、具身化的专业知识”，认为AI可能带来人文主义的自我更新契机。